1.本技术涉及计算机技术及图像处理
技术领域：
：，特别是涉及一种基于图像的换装方法、装置、计算机设备和存储介质。
背景技术：
：：2.随着图像处理技术的发展，各种各样的图像处理方法层出不穷，为人们的生活与工作提供了很多便利。图像换装技术就是其中一个重要的应用，比如：为电子证件照中的人像进行换装，能够通过给证件照中的人像换上新服装，满足证件照人像图需穿着正装的需求。3.传统方法中，一般是直接将新服装的服装模板图像贴合到待换装图像上，容易出现换装结果不真实，不自然，换装效果较差的问题，影响换装后的图像质量。技术实现要素：4.基于此，有必要针对上述技术问题，提供一种能够提高换装质量的基于图像的换装方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。5.第一方面，本技术提供了一种基于图像的换装方法。所述方法包括：6.对待换装图像进行区域分割处理，得到服装区域和服装相邻区域；所述服装相邻区域，是指区域分割处理所得到的各个区域中与服装区域相邻的区域；7.从所述待换装图像中删除所述服装区域中的图像内容，得到无服装图像；8.确定所述无服装图像中的待修复区域；所述待修复区域，是服装模板图像中的新服装在所述无服装图像的服装区域中无法覆盖的区域；9.根据所述无服装图像中的服装相邻区域，对所述待修复区域进行修复，得到修复图像；10.将所述修复图像和所述服装模板图像进行图层合并，得到换装结果图像。11.第二方面，本技术还提供了一种基于图像的换装装置。所述装置包括：12.区域分割模块，用于对待换装图像进行区域分割处理，得到服装区域和服装相邻区域；所述服装相邻区域，是指区域分割处理所得到的各个区域中与服装区域相邻的区域；从所述待换装图像中删除所述服装区域中的图像内容，得到无服装图像；13.区域修复模块，用于确定所述无服装图像中的待修复区域；所述待修复区域，是服装模板图像中的新服装在所述无服装图像的服装区域中无法覆盖的区域；根据所述无服装图像中的服装相邻区域，对所述待修复区域进行修复，得到修复图像；14.图层合并模块，用于将所述修复图像和所述服装模板图像进行图层合并，得到换装结果图像。15.在其中一个实施例中，所述服装相邻区域包括脖子区域；区域修复模块还用于根据所述无服装图像中的脖子区域进行插值处理，以覆盖所述无服装图像中的第一待修复区域，得到修复图像；所述第一待修复区域，是所述待修复区域中对应于所述服装模板图像中的新服装的领口之内的区域。16.在其中一个实施例中，所述服装相邻区域包括头发区域；区域修复模块还用于根据所述无服装图像中的头发区域进行插值处理，以覆盖所述无服装图像中的第二待修复区域，得到修复图像；所述第二待修复区域，是所述待修复区域中对应于所述服装模板图像中的新服装的领口之外的区域。17.在其中一个实施例中，所述装置还包括：18.色调调整模块，用于基于参考图像调整所述服装模板图像的颜色属性信息，得到和谐化服装模板图像；所述和谐化服装模板图像与所述参考图像之间的颜色属性相和谐；所述参考图像包括所述待换装图像、所述无服装图像或所述修复图像中任意一种；19.所述图层合并模块还用于将所述修复图像和所述和谐化服装模板图像进行图层合并，得到换装结果图像。20.在其中一个实施例中，所述色调调整模块还用于通过颜色属性调整模型，根据参考图像和预先学习的颜色属性转换规则，调整所述服装模板图像的颜色属性信息，得到和谐化服装模板图像。21.在其中一个实施例中，所述图层合并模块还用于根据所述服装模板图像中的定位点和所述修复图像中的定位点，动态调整所述修复图像和所述服装模板图像之间的相对位置，直至所述修复图像中的脖子露出区域符合预设对齐条件，以使修复图像和所述服装模板图像对齐；将对齐后的所述修复图像和所述服装模板图像进行图层合并，得到换装结果图像。22.在其中一个实施例中，所述图层合并模块还用于根据眼睛关联定位点、脸宽关联定位点和脖子关联定位点中的至少一种，确定所述修复图像中的定位点；23.其中，所述眼睛关联定位点，是根据所述修复图像中的眼睛位置确定横坐标的定位点；所述脸宽关联定位点，是根据所述修复图像中的人脸宽度确定横坐标的定位点；所述脖子关联定位点，是根据所述服装区域与脖子区域之间的交点确定的定位点。24.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行本技术各实施例所述的基于图像的换装方法中的步骤。25.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行本技术各实施例所述的基于图像的换装方法中的步骤。26.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，使得所述处理器执行本技术各实施例所述的基于图像的换装方法中的步骤。27.上述基于图像的换装方法、装置、计算机设备、存储介质和计算机程序产品，对待换装图像进行区域分割处理，得到服装区域和服装相邻区域，从待换装图像中删除服装区域中的图像内容，得到无服装图像，然后确定无服装图像中的待修复区域，根据无服装图像中的服装相邻区域，对待修复区域进行修复，从而使得服装模板图像中的新服装在无服装图像的服装区域中无法覆盖的区域能够得到修复，再将修复图像和服装模板图像进行图层合并，得到换装结果图像，使得换装结果图像更加真实，更加自然，换装效果更好，提高了换装后的图像质量。附图说明28.图1为一个实施例中基于图像的换装方法的应用环境图；29.图2为一个实施例中基于图像的换装方法的流程示意图；30.图3为一个实施例中待换装图像和服装模板图像的示意图；31.图4为一个实施例中区域分割处理的结果示意图；32.图5为一个实施例中对待修复区域进行修复前后的示意图；33.图6为一个实施例中对第一待修复区域和第二待修复区域修复后的示意图；34.图7为一个实施例中和谐化服装模板图像的效果示意图；35.图8为一个实施例中定位点的示意图；36.图9为一个实施例中换装前后的示意图；37.图10为一个实施例中基于图像的换装方法的整体流程示意图；38.图11为一个实施例中基于图像的换装装置的结构框图；39.图12为另一个实施例中基于图像的换装装置的结构框图；40.图13为一个实施例中计算机设备的内部结构图。具体实施方式41.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。42.本技术实施例提供的基于图像的换装方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。用户可以通过终端102上传待换装图像，并选择想要换上的新服装。服务器104可以从终端102获取待换装图像，并获取新服装对应的服装模板图像，对待换装图像进行区域分割处理，得到服装区域和服装相邻区域，从待换装图像中删除服装区域中的图像内容，得到无服装图像，然后根据服装模板图像中的新服装在无服装图像的服装区域中无法覆盖的区域，确定无服装图像中的待修复区域，再根据无服装图像中的服装相邻区域，对待修复区域进行修复，得到修复图像，最后将修复图像和服装模板图像进行图层合并，得到换装结果图像。服务器104可以将得到的换装结果图像发送至终端102进行展示。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。43.在其他实施例中，也可以直接通过终端执行本技术各实施例中的基于图像的换装方法，而无需上传至服务器执行。44.在一个实施例中，如图2所示，提供了一种基于图像的换装方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：45.步骤202，对待换装图像进行区域分割处理，得到服装区域和服装相邻区域；服装相邻区域，是指区域分割处理所得到的各个区域中与服装区域相邻的区域。46.其中，待换装图像，是需要对图像中的对象进行换装的图像。如图3示出了一幅待换装图像，需要将该图像中的人所穿着的衣服进行更换。可以理解，为了保护肖像权，本技术各附图中示出的图像中均遮挡了脸部区域的图像内容，在实际应用中各幅图像是包含脸部区域的图像内容的。47.区域分割处理，是按照图像内容的不同语义将图像划分成多个不同区域的处理。服装区域，是指待换装图像中的服装对应的区域。48.在一个实施例中，用户可以通过终端上传待换装图像，终端可以将待换装图像发送至服务器。服务器可以对待换装图像进行区域分割处理，得到服装区域和服装相邻区域。49.在一个实施例中，服务器可以通过语义分割方法对待换装图像进行区域分割处理，得到多个不同语义的区域，从中得到服装区域和服装相邻区域。50.在一个实施例中，对待换装图像进行区域分割处理所得到的区域除了包括服装区域之外，还可以包括脖子区域、头发区域、脸部区域、配饰区域和背景区域等中的至少一种。51.其中，脖子区域，是待换装图像中的对象的脖子对应的区域。头发区域，是待换装图像中的对象的头发对应的区域。脸部区域，是待换装图像中的对象的脸部对应的区域。配饰区域，是待换装图像中的对象所佩戴的配饰对应的区域。背景区域，是待换装图像中除对象之外的背景所对应的区域。52.在一个实施例中，服装相邻区域可以包括脖子区域和头发区域中的至少一种。53.如图4所示，是区域分割处理的结果示意图，区域分割处理所得到的各个区域分别用不同的颜色表示。可以看出，图中的402即为服装区域，404是头发区域，406是脖子区域。54.在一个实施例中，待换装图像中的对象可以是人。在其他实施例中，待换装图像中的对象也可以是猫或狗等穿着服装动物，不做限定。55.在一个实施例中，待换装图像可以是证件照。在其他实施例中，待换装图像也可以是其他类型的照片，比如：职业照、艺术照或生活照等，不做限定。56.步骤204，从待换装图像中删除服装区域中的图像内容，得到无服装图像。57.其中，无服装图像，是指将待换装图像中服装区域中的图像内容删除掉所得到的图像。58.步骤206，确定无服装图像中的待修复区域；待修复区域，是服装模板图像中的新服装在无服装图像的服装区域中无法覆盖的区域。59.其中，服装模板图像，是需要为待换装图像更换的新服装所对应的模板图像。无法覆盖的区域，是指服装区域比服装模板图像中的新服装多出来的区域。60.在一个实施例中，服装模板图像可以是没有背景的新服装对应的图像。如图3示出了服装模板图像，可以看出，服装模板图像中仅含有新服装，而没有没有。61.在一个实施例中，用户可以通过终端选择想要换上的新服装，终端可以通知至服务器。服务器可以根据选择的新服装确定相应的服装模板图像。或者，终端可以根据选择的新服装确定相应的服装模板图像，将服装模板图像发送至服务器。62.在一个实施例中，服务器可以将服装模板图像中的新服装与服装区域进行比对，确定无服装图像中的待修复区域。具体地，服务器可以将服装模板图像中的新服装与服装区域的差异区域，作为无服装图像中的待修复区域。63.如图5所示，图中黑色线条围出的区域502和白色线条围出的区域504和506均为待修复区域。64.可以理解，无服装图像是删除了服装区域中的图像内容得到的，删除的是图像内容，而服装区域代表的是一块区域，所以无服装图像中仍然具有服装区域，因此，待修复区域是服装模板图像中的新服装在无服装图像的服装区域中无法覆盖的区域，服务器可以将服装模板图像与无服装图像中的服装区域进行比对，来确定无服装图像中的待修复区域。65.在一个实施例中，服务器可以将服装区域与服装模板图像中的新服装作差，若差值小于或等于零，则表明新服装可以完全覆盖服装区域，没有待修复区域，服务器可以直接将无服装图像与服装模板图像进行图层合并，得到换装结果图像；若差值大于零，则表明新服装无法完全覆盖服装区域，无服装图像中存在待修复区域，服务器可以执行步骤206及后续步骤。66.在一个实施例中，服装模板图像中的新服装可以是正装。在其他实施例中，服装模板图像中的新服装也可以是其他类型的服装，比如：校服、制服或工作服等，不做限定。67.在一个实施例中，本技术各实施例中的基于图像的换装方法可以应用于为证件照(待换装图像)中的人像更换正装(新服装)的场景下。在其他实施例中，还可以应用于其他的换装场景，不做限定。68.步骤208，根据无服装图像中的服装相邻区域，对待修复区域进行修复，得到修复图像。69.在一个实施例中，服务器可以根据无服装图像中的服装相邻区域进行插值处理，以覆盖无服装图像中的待修复区域，得到修复图像。如图5分别示出了修复前的图像和修复后得到的修复图像，可以看出，与修复前相比，待修复区域502、504和506中的图像内容得到了覆盖。70.在一个实施例中，待修复区域可以为多个，每个待修复区域可以根据不同的服装相邻区域进行修复。在一个实施例中，服务器可以根据待修复区域与服装模板图像中的新服装之间的位置关系，确定根据哪一服装相邻区域对待修复区域进行修复。71.在一个实施例中，服务器可以根据待修复区域与服装模板图像中的新服装的领口之间的位置关系，确定根据哪一服装相邻区域对待修复区域进行修复。72.在一个实施例中，若待修复区域对应于服装模板图像中的新服装的领口之内，则根据脖子区域对待修复区域进行修复。73.在一个实施例中，若待修复区域对应于服装模板图像中的新服装的领口之外，则根据头发区域对待修复区域进行修复。74.步骤210，将修复图像和服装模板图像进行图层合并，得到换装结果图像。75.其中，换装结果图像，是将待换装图像中的服装更换为图像模板图像中的新服装的图像。图层合并，是将两张图像合并为同一张图像。76.在一个实施例中，服务器可以根据修复图像的定位点和服装模板图像的定位点，将修复图像和服装模板图像进行对齐，然后将对齐后的修复图像和服装模板图像进行图层合并，得到换装结果图像。77.在一个实施例中，服务器可以直接获取预先针对服装模板图像标注的定位点。在另一个实施例中，服务器可以通过遍历服装模板图像中的各个像素的方式来确定出服装模板图像中的定位点。78.在一个实施例中，服务器可以根据眼睛关联定位点、脸宽关联定位点和脖子关联定位点中的至少一种，确定修复图像中的定位点。79.在一个实施例中，服务器可以将得到的换装结果图像发送至终端，终端可以展示换装结果图像。用户可以通过终端下载换装结果图像。80.上述基于图像的换装方法，对待换装图像进行区域分割处理，得到服装区域和服装相邻区域，从待换装图像中删除服装区域中的图像内容，得到无服装图像，然后确定无服装图像中的待修复区域，根据无服装图像中的服装相邻区域，对待修复区域进行修复，从而使得服装模板图像中的新服装在无服装图像的服装区域中无法覆盖的区域能够得到修复，再将修复图像和服装模板图像进行图层合并，得到换装结果图像，使得换装结果图像更加真实，更加自然，换装效果更好，提高了换装后的图像质量。此外，自动进行换装，无需专业修图人员花费大量时间和精力进行修图换装，从而提高了换装效率，能够快速且准确地生成真实、自然的换装结果图像。81.在一个实施例中，服装相邻区域包括脖子区域。根据无服装图像中的服装相邻区域，对待修复区域进行修复，得到修复图像包括：根据无服装图像中的脖子区域进行插值处理，以覆盖无服装图像中的第一待修复区域，得到修复图像；第一待修复区域，是待修复区域中对应于服装模板图像中的新服装的领口之内的区域。82.在一个实施例中，服务器可以将服装模板图像中的新服装与待修复区域进行比对，确定待修复区域与服装模板图像中的新服装之间的位置关系，根据位置关系确定待修复区域中对应于服装模板图像中的新服装的领口之内的第一待修复区域。83.在一个实施例中，服务器可以采用最近邻插值法，根据无服装图像中的脖子区域中的图像内容向四周扩散，生成具有更大覆盖面的脖子图像内容，以覆盖无服装图像中的第一待修复区域，得到修复图像。84.如图6中的602即为第一待修复区域，可以看出根据脖子区域对第一待修复区域修复后，第一待修复区域被脖子图像内容覆盖，得到了修复。85.上述实施例中，通过根据脖子区域，对待修复区域中对应于服装模板图像中的新服装的领口之内的第一待修复区域进行修复，能够避免因待换装图像中的原服装的领口过高或者头发遮挡等问题导致一部分脖子被遮挡，而导致最终得到的换装结果图像中的新服装领口之内存在一部分空白区域的问题，使得换装结果图像更加真实、自然，换装效果更好，提高了换装结果图像的质量。86.在一个实施例中，服装相邻区域包括头发区域。根据无服装图像中的服装相邻区域，对待修复区域进行修复，得到修复图像包括：根据无服装图像中的头发区域进行插值处理，以覆盖无服装图像中的第二待修复区域，得到修复图像；第二待修复区域，是待修复区域中对应于服装模板图像中的新服装的领口之外的区域。87.在一个实施例中，服务器可以将服装模板图像中的新服装与待修复区域进行比对，确定待修复区域与服装模板图像中的新服装之间的位置关系，根据位置关系确定待修复区域中对应于服装模板图像中的新服装的领口之外的第二待修复区域。88.在一个实施例中，服务器可以根据无服装图像中头发区域中的图像内容，在第二待修复区域中进行局部液化处理，以使头发区域中的图像内容变形成为更大覆盖面的头发图像内容，以覆盖无服装图像中的第二待修复区域，得到修复图像。89.如图6中的604和606即为第二待修复区域，可以看出根据头发区域对第二待修复区域修复后，第二待修复区域被头发图像内容覆盖，得到了修复。90.上述实施例中，通过根据头发区域，对待修复区域中对应于服装模板图像中的新服装的领口之外的第二待修复区域进行修复，能够避免因待换装图像中的原服装的领口过高或者配饰遮挡等问题导致一部分头发被遮挡，而导致最终得到的换装结果图像中的新服装领口之外存在一部分空白区域的问题，使得换装结果图像更加真实、自然，换装效果更好，提高了换装结果图像的质量。91.在一个实施例中，将修复图像和服装模板图像进行图层合并，得到换装结果图像包括：基于参考图像调整服装模板图像的颜色属性信息，得到和谐化服装模板图像；和谐化服装模板图像与参考图像之间的颜色属性相和谐；参考图像包括待换装图像、无服装图像或修复图像中任意一种；将修复图像和和谐化服装模板图像进行图层合并，得到换装结果图像。92.其中，颜色属性，是与图像的颜色相关的属性。颜色属性信息，是颜色属性的值。93.在一个实施例中，颜色属性可以包括色调、饱和度或对比度等中的至少一种。94.可以理解，因为无服装图像是待换装图像删除掉服装区域的图像内容得到的，所以无服装图像和待换装图像的颜色属性一致，修复图像是根据无服装图像得到的，所以修复图像与无服装图像的颜色属性也一致，因此，采用待换装图像、无服装图像或修复图像中的任意一种都可以作为参考图像。95.在一个实施例中，服务器可以根据参考图像的颜色属性信息，调整服装模板图像的颜色属性信息，得到和谐化服装模板图像。96.上述实施例中，基于参考图像调整服装模板图像的颜色属性信息，得到和谐化服装模板图像，将修复图像和和谐化服装模板图像进行图层合并，得到换装结果图像，能够使得和谐化服装模板图像与修复图像的颜色属性相和谐，得到的换装结果图像更加真实、自然，换装效果更好，提高了换装结果图像的质量。97.在一个实施例中，基于参考图像调整服装模板图像的颜色属性信息，得到和谐化服装模板图像包括：通过颜色属性调整模型，根据参考图像和预先学习的颜色属性转换规则，调整服装模板图像的颜色属性信息，得到和谐化服装模板图像。98.在一个实施例中，服务器可以预先将训练样本输入至待训练的颜色属性调整模型中，通过颜色属性调整模型根据训练样本学习颜色属性转换规则，得到训练完成的颜色属性调整模型。99.其中，训练样本包括样本待换装图像、样本服装模板图像和样本和谐化服装模板图像。样本待换装图像与样本和谐化服装模板图像的颜色属性相和谐。颜色属性转换规则，是根据样本待换装图像，将样本服装模板图像的颜色属性调整至样本和谐化服装模板图像的颜色属性的规则。100.在一个实施例中，颜色属性转换规则可以类似于三维查找表。101.其中，三维查找表(3dlut，3dlookuptables)，是由对应数值组成的列表，可以通过三维查找表查询输入值及其所对应的输出值。三维查找表是色彩转换技术中的一种技术手段。在三维查找表中，一个输入的颜色属性信息，对应一个输出的颜色属性信息。102.在一个实施例中，服务器可以通过颜色属性调整模型，根据参考图像和预先学习的颜色属性转换规则，确定服装模板图像的每个像素对应的目标颜色属性信息，将服装模板图像的每个像素调整至目标颜色属性信息，得到和谐化服装模板图像。103.上述实施例中，通过颜色属性调整模型，根据参考图像和预先学习的颜色属性转换规则，调整服装模板图像的颜色属性信息，得到和谐化服装模板图像，能够使得和谐化服装模板图像与修复图像的颜色属性相和谐，得到的换装结果图像更加真实、自然，换装效果更好，提高了换装结果图像的质量。此外，通过颜色属性调整模型学习颜色属性转换规则，能够快速且准确地调整服装模板图像的颜色属性信息，无需预设复杂的颜色属性信息转换规则，提高换装效果和换装的效率。104.如图7所示，展示了上述实施例中和谐化前后的效果。可以看出和谐化服装模板图像相较于未和谐化的服装模板图像而言，与待换装图像的颜色属性更加和谐，根据和谐化服装模板图像生成的换装结果图像中的服装与图像中其他的图像内容更加和谐，不像根据未和谐化的服装模板图像生成的换装结果图像中的服装那样显得突兀、不自然，因此，提高了换装效果，换装结果更加真实、自然。105.在一个实施例中，将修复图像和服装模板图像进行图层合并，得到换装结果图像包括：根据服装模板图像中的定位点和修复图像中的定位点，动态调整修复图像和服装模板图像之间的相对位置，直至修复图像中的脖子露出区域符合预设对齐条件，以使修复图像和服装模板图像对齐；将对齐后的修复图像和服装模板图像进行图层合并，得到换装结果图像。106.在一个实施例中，服装模板图像中的定位点是一对点(即，两个点)。修复图像中的定位点是一对点(即，两个点)。107.在一个实施例中，服装模板图像中的定位点可以是新服装的两侧衣领的最高点，如图8中的806所示的一对点。108.在一个实施例中，服装模板图像中的定位点可以是如图8中的804所示的一对点。109.在一个实施例中，服务器可以将服装模板图像中的定位点和修复图像中的定位点对齐，并在相应位置处预设范围内进行微调，直至修复图像中的脖子露出区域符合预设对齐条件，以使修复图像和服装模板图像对齐。110.在一个实施例中，修复图像中的定位点可以有多组，服务器可以依次将修复图像中的每组定位点与服装模板图像中的定位点对齐，以将修复图像和服装模板图像调整至不同的相对位置，直至修复图像中的脖子露出区域符合预设对齐条件，以使修复图像和服装模板图像对齐。111.在另一个实施例中，修复图像中的定位点可以有多组，服务器可以依次将修复图像中的每组定位点与服装模板图像中的定位点对齐，以将修复图像和服装模板图像调整至不同的相对位置，并在相应位置处预设范围内进行微调，直至修复图像中的脖子露出区域符合预设对齐条件，以使修复图像和服装模板图像对齐。112.在一个实施例中，预设对齐条件，可以是针对修复图像中的脖子露出区域的长度设置的预设长度范围。在一个实施例中，若修复图像中的脖子露出区域的长度在预设长度范围内，则修复图像中的脖子露出区域符合预设对齐条件。113.在另一个实施例中，预设对齐条件，可以是针对修复图像中的脖子露出区域的面积设置的预设面积范围。在一个实施例中，若修复图像中的脖子露出区域的面积在预设面积范围内，则修复图像中的脖子露出区域符合预设对齐条件。114.上述实施例中，根据服装模板图像中的定位点和修复图像中的定位点，动态调整修复图像和服装模板图像之间的相对位置，直至修复图像中的脖子露出区域符合预设对齐条件，以使修复图像和服装模板图像对齐，将对齐后的修复图像和服装模板图像进行图层合并，得到换装结果图像，使得换装结果图像中脖子露出区域更加符合现实，使得换装结果图像更加真实、自然，换装效果更好，提高了换装结果图像的质量。115.在一个实施例中，该方法还包括：根据眼睛关联定位点、脸宽关联定位点和脖子关联定位点中的至少一种，确定修复图像中的定位点。其中，眼睛关联定位点，是根据修复图像中的眼睛位置确定横坐标的定位点；脸宽关联定位点，是根据修复图像中的人脸宽度确定横坐标的定位点；脖子关联定位点，是根据服装区域与脖子区域之间的交点确定的定位点。116.在一个实施例中，服务器可以将服装区域与脖子区域的交点的坐标确定为脖子关联定位点的位置坐标。如图8中的802所示的一对点即为脖子关联定位点。804是最终确定的修复图像中的定位点。117.在一个实施例中，服务器可以将修复图像中的眼睛的位置坐标的横坐标，确定为眼睛关联定位点的横坐标。在一个实施例中，服务器可以通过人脸检测算法，确定修复图像中的眼睛的位置坐标。118.在一个实施例中，服务器可以按照眼睛关联定位点的横坐标在预设范围内移动，改变眼睛关联定位点的纵坐标，以动态地调整修复图像和服装模板图像之间的相对位置。119.在一个实施例中，服务器可以根据修复图像中符合预设人脸宽度的脸部边缘点的位置坐标的横坐标，确定为脸宽关联定位点的横坐标。如图8中脸部区域的横线两端的点即为符合预设人脸宽度的脸部边缘点。120.在一个实施例中，服务器可以按照脸宽关联定位点的横坐标在预设范围内移动，改变脸宽关联定位点的纵坐标，以动态地调整修复图像和服装模板图像之间的相对位置。121.上述实施例中，根据眼睛关联定位点、脸宽关联定位点和脖子关联定位点中的至少一种，确定修复图像中的定位点，从而能够准确地将修复图像和服装模板图像对齐，提高换装结果图像的质量。122.如图9所示，是本技术各实施例中的基于图像的换装方法所得到的换装结果图像与换装前的待换装图像之间的对比图，可以看出，换装结果图像将待换装图像中的服装准确更换为新服装，而且换装效果真实、自然，质量好。123.如图10所示，是本技术各实施例中的基于图像的换装方法的整体流程示意图。首先输入待换装图像和服装模板图像，然后对待换装图像进行区域分割处理，得到服装区域和服装相邻区域，再根据服装相邻区域对待修复区域进行修复，得到修复图像，接着根据参考图像对服装模板图像的颜色属性信息进行调整(即，色调自适应调整)，得到和谐化服装模板图像，最后根据修复图像和和谐化图像模板图像动态地调整相对位置进行对齐，然后进行图层合并得到换装结果图像并输出。124.应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。125.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的基于图像的换装方法的基于图像的换装装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于图像的换装装置实施例中的具体限定可以参见上文中对于基于图像的换装方法的限定，在此不再赘述。126.在一个实施例中，如图11所示，提供了一种基于图像的换装装置1100，包括：区域分割模块1102、区域修复模块1104和图层合并模块1106，其中：127.区域分割模块1102，用于对待换装图像进行区域分割处理，得到服装区域和服装相邻区域；服装相邻区域，是指区域分割处理所得到的各个区域中与服装区域相邻的区域；从待换装图像中删除服装区域中的图像内容，得到无服装图像。128.区域修复模块1104，用于确定无服装图像中的待修复区域；待修复区域，是服装模板图像中的新服装在无服装图像的服装区域中无法覆盖的区域；根据无服装图像中的服装相邻区域，对待修复区域进行修复，得到修复图像。129.图层合并模块1106，用于将修复图像和服装模板图像进行图层合并，得到换装结果图像。130.在一个实施例中，服装相邻区域包括脖子区域。区域修复模块1104还用于根据无服装图像中的脖子区域进行插值处理，以覆盖无服装图像中的第一待修复区域，得到修复图像；第一待修复区域，是待修复区域中对应于服装模板图像中的新服装的领口之内的区域。131.在一个实施例中，服装相邻区域包括头发区域。区域修复模块1104还用于根据无服装图像中的头发区域进行插值处理，以覆盖无服装图像中的第二待修复区域，得到修复图像；第二待修复区域，是待修复区域中对应于服装模板图像中的新服装的领口之外的区域。132.在一个实施例中，如图12所示，装置1100还包括：133.色调调整模块1108，用于基于参考图像调整服装模板图像的颜色属性信息，得到和谐化服装模板图像；和谐化服装模板图像与参考图像之间的颜色属性相和谐；参考图像包括待换装图像、无服装图像或修复图像中任意一种。134.图层合并模块1106还用于将修复图像和和谐化服装模板图像进行图层合并，得到换装结果图像。135.在一个实施例中，色调调整模块1108还用于通过颜色属性调整模型，根据参考图像和预先学习的颜色属性转换规则，调整服装模板图像的颜色属性信息，得到和谐化服装模板图像。136.在一个实施例中，图层合并模块1106还用于根据服装模板图像中的定位点和修复图像中的定位点，动态调整修复图像和服装模板图像之间的相对位置，直至修复图像中的脖子露出区域符合预设对齐条件，以使修复图像和服装模板图像对齐；将对齐后的修复图像和服装模板图像进行图层合并，得到换装结果图像。137.在一个实施例中，图层合并模块1106还用于根据眼睛关联定位点、脸宽关联定位点和脖子关联定位点中的至少一种，确定修复图像中的定位点。138.其中，眼睛关联定位点，是根据修复图像中的眼睛位置确定横坐标的定位点；脸宽关联定位点，是根据修复图像中的人脸宽度确定横坐标的定位点；脖子关联定位点，是根据服装区域与脖子区域之间的交点确定的定位点。139.上述基于图像的换装装置，对待换装图像进行区域分割处理，得到服装区域和服装相邻区域，从待换装图像中删除服装区域中的图像内容，得到无服装图像，然后确定无服装图像中的待修复区域，根据无服装图像中的服装相邻区域，对待修复区域进行修复，从而使得服装模板图像中的新服装在无服装图像的服装区域中无法覆盖的区域能够得到修复，再将修复图像和服装模板图像进行图层合并，得到换装结果图像，使得换装结果图像更加真实，更加自然，换装效果更好，提高了换装后的图像质量。140.上述基于图像的换装装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。141.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于图像的换装方法。142.本领域技术人员可以理解，图13中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。143.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。144.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。145.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。146.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。147.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-onlymemory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistiverandomaccessmemory，mram)、铁电存储器(ferroelectricrandomaccessmemory，fram)、相变存储器(phasechangememory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(randomaccessmemory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(staticrandomaccessmemory，sram)或动态随机存取存储器(dynamicrandomaccessmemory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。148.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。149.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。当前第1页12当前第1页12